PandasAI

핵심 호출은 평범한 질문을 받아 알맞은 형태로 돌려준다. 문자열, 숫자, 데이터프레임, 그림 중 하나다. 한 세션에서 pai.chat()으로 후속 질문을 이어도 되지만, agent로 바꾸지 않으면 매번 처음부터 시작한다. 파일 하나를 살필 때는 질문에서 답까지 가장 짧은 길이다.

Agent 클래스는 대화 상태를 보관한다. 그래서 "그중 계약이 가장 많은 곳은" 같은 질문이 앞선 답과 연결된다. 되묻기, 방금 한 일에 대한 설명, 첫 해석이 빗나갔을 때 질의 재작성도 처리한다. 엔터프라이즈 등급에서는 로컬 벡터 스토어로 학습시킬 수 있어 사내 표현과 지표 정의가 밖으로 나가지 않는다.

pai.create()로 데이터셋을 한 번 등록하면서 컬럼마다 타입과 설명을 붙이면 이후에 계속 재사용할 수 있다. 뷰와 변환이 이 스키마 위에 올라가므로, amt_net이라는 컬럼에는 이후 모든 질문에서 "반품 차감 후 순매출"이라는 라벨이 따라붙는다. 추측하는 비서와 내 테이블을 아는 비서의 차이가 여기서 갈린다.

PandasAI에는 모델이 들어 있지 않다. OpenAI, Anthropic, Google 또는 LiteLLM이 지원하는 아무 제공자나 연결하고 요금은 그쪽에 직접 낸다. 라이브러리 원가가 낮게 유지되고, 팀은 이미 구매 심사를 통과한 모델을 그대로 쓸 수 있다. 제공자 교체는 설정 한 줄이다. AI 데이터 분석가 입장에서 이 자유는 벤치마크 점수보다 실용적이다.

pandasai-docker는 생성된 코드를 격리된 컨테이너에서 실행한다. 네트워크가 막히고 자원도 제한된다. 최종 사용자가 질문을 직접 입력하는 순간 프롬프트 인젝션이 실제 위협이 되는데, 이 설정이 악의적인 지시가 파일 시스템에 닿지 않게 막는다. 샌드박스를 띄우기 전에 Docker가 실행 중이어야 한다.

스킬을 쓰면 직접 만든 파이썬 함수를 감쌀 수 있다. 모델이 가격 조회나 단위 변환 로직을 지어내는 대신 내 함수를 호출하게 된다. 호스팅 플랫폼에는 큰 조직이 요구하는 기능이 붙는다. SSO와 SAML, 역할 기반 접근 제어, 감사 로그, 프라이빗 VPC 호스팅, 네트워크와 분리된 환경 배포다.